redis緩存的優點和緩存穿透的解決方法

本篇內容主要講解“redis緩存的優點和緩存穿透的解決方法”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“redis緩存的優點和緩存穿透的解決方法”吧!

緩存的利于弊及應用場景

這里我們主要討論以Redis為代表的基于內存的緩存方案。

緩存的優點

• 提升訪問速度，減少后端如數據庫存儲的時間消耗

• 減輕后端如數據庫的壓力

緩存帶來的問題

任何系統每增加一個組件，在帶來新的特性的同時也必然會帶來額外的復雜度，可以說系統的設計過程就是一個折中的過程。緩存的引入也帶來了一些需要考慮的問題:

• 數據不一致: 緩存層和存儲層的數據存在著一定的時間窗口的不一致性，時間窗口跟緩存更新策略有關

• 代碼維護成本： 需要同時處理緩存和存儲層的邏輯

• 運維成本: 為了保證redis的可用性和并發性，會引入redis sentinel或redis cluster等架構，這又增加了系統復雜性和運維難度。

應用場景

• 開銷大的復雜運算

• 加速請求響應

緩存更新策略

• LRU/LFU/FIFO算法

• 超時剔除

• 主動更新

應用

• 低一致性業務建議：最大內存+淘汰策略

• 高一致性：超時剔除和主動更新

緩存穿透

緩存穿透: 是指查詢一個根本不存在的數據， 緩存層和存儲層都不會命中。這會造成存儲層壓力變大。

緩存穿透的發現:

通常可以在程序中分別統計

• 總調用數

• 緩存層命中數

• 存儲層命中數

如果發現大量存儲層空命中， 可能就是出現了緩存穿透問題。

緩存穿透的解決方案

• 緩存空對象

• 占用內存： 原因是為了防止大量空對象(被攻擊) 方案是可以設置比較短的過期時間，讓其自動剔除

• 數據不一致: 原因是存儲層添加了數據，但是緩存空對象還沒過期， 方案是可以使用消息隊列，

• bloomfilter攔截

• 這種方法適用于數據命中不高、 數據相對固定、 實時性低（通常是數據集較大） 的應用場景， 代碼維護較為復雜，但是緩存空間占用少。

無底洞優化

由于緩存集群通常會將key進行hash，然后映射到相應的節點上，造成key的分布與業務無關，批量操作通常需要從不同節點上獲取，相比于單機批量操作只涉及一次網絡操作，分布式批量操作會涉及多次網絡時間。

常見的IO優化思路：

• 命令本身的優化，例如優化SQL語句等

• 減少網絡通信次數

• pipeline

• mget

• 降低介入成本，例如客戶端使用長連/連接池、NIO等

集群客戶端優化方案

• 串行IO，把key的請求按照節點分組，然后依次處理

• 并行IO，把key的請求按照節點分組，然后并行處理

• hash_tag實現， 可以將多個key強制分配到一個節點上，它的操作時間=1此網絡時間+n次命令時間，性能最高，但是數據維護成本高，數據易傾斜

雪崩優化

雪崩定義：由于緩存層承載著大量請求，有效地保存了存儲層，但是如果緩存層由于某些原因不能提供服務，于是所有的請求都會到達存儲層，存儲層的調用會暴增。

說到底就是緩存扛不住了，把壓力沖擊到了存儲層。

預防和緩解緩存雪崩問題的三個方面

• 保證緩存層服務高可用性，redis提供了Redis Sentinel和Redis Cluster

• 依賴隔離組件為后端限流并降級，降級機制，如Hystrix

• 提前演練，項目上線前，演練緩存層宕掉后，應用及后端的負載情況以及可能出現的問題。

熱點key重建優化

緩存+過期時間的策略既可以加速數據讀寫，又保證數據的定期更新，這種模式基本能夠滿足絕大部分需求。但有兩個問題：

• 熱點key，并發量非常大

• 重建緩存不能在短時間完成（長時生成緩存）

熱點key重建

• 互斥鎖

• 永遠不過期，但是重建期間會有不一致問題

到此，相信大家對“redis緩存的優點和緩存穿透的解決方法”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！